Nesse experimento, temos interesse em discutir e analisar os dados de temperatura e consumo de energia na sala de servidor do LaboratĂ³rio de Tecnologias de ComunicaĂ§Ă£o (LATEC). Contexto geral pode ser acessado aqui.
Esses dados foram obtidos a partir de sensores fabricados pela empresa Sonoff, especializada em equipamentos de automaĂ§Ă£o industrial e residencial. Especificamente para esses dados de consumo, foram utilizados equipamentos do tipo Sonoff Pow R2, um atuador e medidor de PotĂªncia Ativa, TensĂ£o RMS e Corrente RMS, que sĂ£o medidos na unidade Watts (W). Os dados de consumo coletados vĂ£o de junho de 2021 a dezembro de 2021.
## Rows: 4,868
## Columns: 20
## $ Nome <chr> "PowLatec", "PowLatec", "PowLatec", "PowLatec", "Po…
## $ Data <chr> "01/06/2021, 7:00:00", "01/06/2021, 8:00:00", "01/0…
## $ potencia_total <dbl> 1275.329, 1323.580, 1319.816, 1359.160, 1458.576, 1…
## $ `P - Fase A (W)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `P - Fase B (W)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `P - Fase C (W)` <dbl> 1275.329, 1323.580, 1319.816, 1359.160, 1458.576, 1…
## $ `Q - Total (var)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Q - Fase A (var)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Q - Fase B (var)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `Q - Fase C (var)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `FP - Total` <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, …
## $ `FP - Fase A` <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, …
## $ `FP - Fase B` <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, …
## $ `FP - Fase C` <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, …
## $ `V - Fase A (V)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `V - Fase B (V)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `V - Fase C (V)` <dbl> 219.5782, 221.0760, 221.2121, 220.6594, 220.9196, 2…
## $ `I - Fase A (A)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `I - Fase B (A)` <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
## $ `I - Fase C (A)` <dbl> 6.090717, 6.374917, 6.335446, 6.459529, 6.962180, 7…
Colunas importantes
Data -> data e hora da mediĂ§Ă£o
potencia_total -> valor em watts (W) que o sensor indicou no momento da mediĂ§Ă£o
Esses dados tambĂ©m foram obtidos a partir de sensores fabricados pela empresa Sonoff. Especificamente para esses dados de temperatura da sala, foram utilizados equipamentos do tipo Sonoff TH16, um atuador e medidor de temperatura (ºC) e umidade (%). Para essa anĂ¡lise, vamos considerar um conjunto de dados obtido em dezembro com dados do perĂodo de agosto de 2021 a dezembro de 2021, a partir de um script que se comunica com os sensores citados.
## Rows: 242,189
## Columns: 3
## $ timestamp <dbl> 1626199168, 1626199730, 1626200278, 1626200340, 1626200401…
## $ temperature <dbl> 16.8, 16.8, 16.8, 16.8, 16.8, 16.8, 16.8, 16.8, 16.8, 16.8…
## $ humidity <dbl> 65, 59, 59, 59, 59, 59, 59, 59, 59, 59, 59, 59, 59, 59, 59…
Colunas importantes
timestamp -> representaĂ§Ă£o em unix timestamp do momento da a mediĂ§Ă£o
temperature -> valor em ºC que o sensor indicou no momento da mediĂ§Ă£o
Importante: O valor de temperatura obtido pelo sensor corresponde Ă temperatura ambiente na qual a sala se encontra no momento da mediĂ§Ă£o, e nĂ£o o que o indicador de temperatura do ar-condicionado estĂ¡ sinalizando.
Os dados climĂ¡ticos da cidade de Campina Grande, como precipitaĂ§Ă£o, radiaĂ§Ă£o, temperatura (ºC), foram obtidos a partir de dados acessĂveis publicamento do Instituto Nacional de Meteorologia (INMET), e coletados no perĂodo de junho de 2021 a novembro de 2021.
## Rows: 8,760
## Columns: 20
## $ data <date> 2021-01-01, 2021-01-01, 20…
## $ hora_utc <chr> "0000 UTC", "0100 UTC", "02…
## $ precipitacao_total <dbl> 0.4, 0.2, 0.0, 0.0, 0.2, 0.…
## $ pressao_atmosferica_estacao_mB <dbl> 953.1, 952.9, 952.6, 952.2,…
## $ pressao_atmosferica_max_hora_ant_mB <dbl> 953.1, 953.1, 952.9, 952.7,…
## $ pressao_atmosferica_min_hora_ant_mB <dbl> 952.5, 952.9, 952.6, 952.1,…
## $ radiacao_global <dbl> NA, NA, NA, NA, NA, NA, NA,…
## $ temperatura_do_ar <dbl> 22.1, 21.7, 21.9, 21.9, 21.…
## $ temperatura_ponto_orvalho <dbl> 21.0, 21.0, 21.1, 21.0, 20.…
## $ temperatura_max_hora_ant <dbl> 23.4, 22.2, 22.0, 22.0, 21.…
## $ temperatura_min_hora_ant <dbl> 22.1, 21.6, 21.7, 21.8, 21.…
## $ temperatura_orvalho_max_hora_ant <dbl> 21.3, 21.2, 21.2, 21.1, 21.…
## $ temperatura_orvalho_min_hora_ant <dbl> 20.8, 20.9, 21.0, 20.9, 20.…
## $ `UMIDADE REL. MAX. NA HORA ANT. (AUT) (%)` <dbl> 94, 96, 96, 95, 97, 97, 98,…
## $ `UMIDADE REL. MIN. NA HORA ANT. (AUT) (%)` <dbl> 86, 93, 95, 94, 95, 97, 97,…
## $ `UMIDADE RELATIVA DO AR, HORARIA (%)` <dbl> 93, 96, 95, 95, 97, 97, 98,…
## $ `VENTO, DIREĂ‡ĂƒO HORARIA (gr) (° (gr))` <dbl> 173, 179, 197, 194, 183, 17…
## $ `VENTO, RAJADA MAXIMA (m/s)` <dbl> 9.0, 9.0, 6.8, 8.3, 8.5, 6.…
## $ `VENTO, VELOCIDADE HORARIA (m/s)` <dbl> 3.9, 3.7, 4.2, 4.8, 2.2, 2.…
## $ ...20 <lgl> NA, NA, NA, NA, NA, NA, NA,…
Colunas importantes
data -> dia em que foi feita a mediĂ§Ă£o
hora_utc -> horĂ¡rio do dia em que foi feita a mediĂ§Ă£o
temperatura_max_hora_ant -> valor mĂ¡ximo em ºC que o sensor indicou no momento anterior ao da mediĂ§Ă£o
temperatura_min_hora_ant -> valor mĂnimo em ºC que o sensor indicou no momento anterior ao da mediĂ§Ă£o
OBS: para cada horĂ¡rio registrado, tem dados de temperatura mĂ¡xima e mĂnima, portanto, para determinar a temperatura externa no decorrer desta anĂ¡lise, vamos fazer uma mĂ©dia entre o ambos os valores.
No contexto do Smart Campus/UFCG, tĂªm sido realizadas ações de gerĂªncia inteligente de energia com Ăªnfase em anĂ¡lise e visualizaĂ§Ă£o de dados de consumo em algumas salas e ambientes do Campus I/Campina Grande, por meio de um dashboard. Uma oportunidade de expandir tais ações Ă© no contexto de atuaĂ§Ă£o sobre o uso do ar condicionado que Ă© um dos principais responsĂ¡veis pelo consumo total de energia no campus, especialmente em salas de servidores dedicados como o LATEC, que precisam de refrigeraĂ§Ă£o constante.
Portanto, nessa anĂ¡lise inicial, vamos identificar a relaĂ§Ă£o entre a temperatura (interna e externa) e o consumo de energia. O cĂ¡lculo do consumo Ă© feito da seguinte forma:
\(consumo = \frac{potencia * horas}{1000}\)
Unidades de medida:
Consumo -> KWh (quilowatts hora)
PotĂªncia -> W (watts)
Horas -> h (horas)
Abaixo, podemos visualizar a distribuiĂ§Ă£o do consumo de energia do ar-condicionado do LATEC nos meses de Junho a Novembro.
Ao passar dos meses, houve um aumento progressivo de consumo. Se Ă© necessĂ¡rio um resfriamento constante da sala para que nĂ£o haja superaquecimento dos servidores presentes na sala, ela estĂ¡ sempre fechada e nĂ£o hĂ¡ trĂ¢nsito de pessoas, o esperado seria que o consumo se mantivesse constante durante todo o perĂodo. PorĂ©m, hĂ¡ um aumento considerĂ¡vel e progressivo entre os meses de julho e novembro. Ao decorrer dessa anĂ¡lise, vamos investigar fatores que podem ter ocasionado esse aumento.
Agora, vamos fazer um tratamento nos dados para mostrar o consumo mĂ©dio por horĂ¡rio do dia, durante o perĂodo em que foram coletados os dados.
A partir do grĂ¡fico acima, podemos identificar que existe um aumento na mĂ©dia do consumo entre 7h e 16h, em relaĂ§Ă£o a cada horĂ¡rio do dia. Partindo dessa premissa, Ă© possĂvel que exista uma relaĂ§Ă£o com a temperatura externa Ă sala, jĂ¡ que possivelmente esse intervalo de horĂ¡rios corresponde ao perĂodo do dia em que estava mais quente.
Vamos olhar, agora, um grĂ¡fico que mostra a mĂ©dia de consumo por dia da semana do ar-condicionado do LATEC.
A partir do grĂ¡fico acima, podemos ver que nĂ£o hĂ¡ uma variaĂ§Ă£o muito grande na mĂ©dia do consumo do ar-condicionado do LATEC de domingo a sexta, sempre se mantendo praticamente igual para todos esses dias, porĂ©m hĂ¡ uma queda nessa mĂ©dia no sĂ¡bado, alĂ©m de ter uma maior variaĂ§Ă£o observada pelo desvio padrĂ£o.
Levando em consideraĂ§Ă£o que a mĂ©dia de temperatura se mantĂ©m a mesma em quase todos os dias, Ă© provĂ¡vel que aquele comportamento de variaĂ§Ă£o ao longo do dia nos horĂ¡rios que possivelmente estĂ¡ mais quente possa ser parecido nos dias analisados.
Analisado o panorama geral dos seis meses agregados, e dada a existĂªncia desse aumento gradual do consumo, vamos visualizar detalhadamente o consumo em cada mĂªs.
Como Ă© possĂvel perceber a partir da visualizaĂ§Ă£o acima, tivemos alguns dias em que nĂ£o houve mediĂ§Ă£o no consumo. Isso pode ter sido causado devido a fatores como falha na captaĂ§Ă£o dos dados por parte dos sensores, por exemplo. O mĂªs de julho foi o que teve maior incidĂªncia de valores muito baixos de mediĂ§Ă£o de consumo. PossĂveis fatores que podem ter ocasionado essas variações muito grandes sĂ£o queda de energia, desligamento do ar-condicionado em alguns dias (o que teoricamente nĂ£o deveria acontecer, pois a sala deve ser mantida integralmente resfriada).
Agora ao invĂ©s de observar o total, vamos observar a mĂ©dia de consumo diĂ¡rio agrupado por mĂªs.
TambĂ©m Ă© possĂvel observar uma maior incidĂªncia de valores baixos de mĂ©dia e grandes variações de desvio padrĂ£o no mĂªs de julho. Nos meses seguintes, as variações sĂ£o mais eventuais, e a distribuiĂ§Ă£o mais uniforme.
Agora, vamos observar a anĂ¡lise de consumo por horĂ¡rio do dia agrupada por mĂªs.
Como esperado, os dados do mĂªs de julho tiveram mais uma vez a maior variaĂ§Ă£o de desvio padrĂ£o, observada no intervalo de confiança de seu grĂ¡fico. Nos demais meses, variações muito grandes no dp ocorrem esporadicamente.
Por fim, vamos visualizar a distribuiĂ§Ă£o de mĂ©dia de consumo por dia da semana, tambĂ©m agrupada por mĂªs.
Agora, vamos fazer uma anĂ¡lise de como se comporta a temperatura interna da sala do LATEC a partir das medições dos sensores.
Vamos visualizar algumas distribuições de temperatura da sala do LATEC, obtidas a partir do resfriamento da sala a partir do ar condicionado.
A temperatura mĂ©dia interna da sala, de acordo com os dados obtidos em dezembro, se manteve estĂ¡vel durante os meses, e Ă© possĂvel observar uma variaĂ§Ă£o um pouco maior em Julho, em que alguns dias o condicionador de ar esteve com temperatura de 16 graus, e em um dado momento foi elevado para 21ºC.
Agora, vamos analisar um grĂ¡fico que mostra a mĂ©dia de temperatura da sala do LATEC por horĂ¡rio do dia.
A partir das duas visualizações acima, da temperatura mĂ©dia da sala em trĂªs meses e da temperatura mĂ©dia da sala por horĂ¡rio do dia, de acordo com os dados obtidos em dezembro, podemos observar que a temperatura ambiente da sala mantĂ©m a mĂ©dia estĂ¡vel ao longo do dia, porĂ©m hĂ¡ momentos em que vĂ¡ variações identificadas no intervalo de confiança de alguns horĂ¡rios do dia.
A fim de tentar identificar quando acontecem essas grandes variações, vamos fazer anĂ¡lises agrupadas por meses da temperatura interna da sala.
Como Ă© possĂvel analisar nos grĂ¡ficos acima, notamos que a partir de agosto, a mĂ©dia da sala se mantĂ©m equilibrada, mas alguns dias tĂªm desvios padrĂ£o bem mais elevados que outros, alĂ©m de que Julho foi o que apresentou maior variaĂ§Ă£o na mĂ©dia da temperatura interna dentre os meses analisados, enquanto que nos demais a mĂ©dia de temperatura se manteve estĂ¡vel.
Agora, vamos fazer uma anĂ¡lise sobre a temperatura de Campina Grande, a fim de identificar uma possĂvel relaĂ§Ă£o com consumo. Primeiramente, vamos visualizar a mĂ©dia de temperatura por mĂªs de Campina Grande durante o perĂodo em que os dados obtidos pelo INMET foram coletados:
Como esperado, os meses com menores mĂ©dias de temperatura foram entre Junho e Agosto, com uma subida considerĂ¡vel da mĂ©dia nos meses seguintes de Setembro a Novembro.
Agora, vamos ver a distribuiĂ§Ă£o mĂ©dia da temperatura registrada na cidade de Campina Grande no perĂodo observado, agrupada por horĂ¡rio do dia.
A partir da observaĂ§Ă£o do grĂ¡fico acima, podemos notar que existe uma semelhança entre as formas do grĂ¡fico de consumo mĂ©dio por horĂ¡rio do dia e de temperatura de Campina Grande por horĂ¡rio do dia, o que pode significar alguma correlaĂ§Ă£o entre os dois fatores: consumo e temperatura externa Ă sala.
Por fim, vamos visualizar dados de temperatura externa agrupados por mĂªs.
Agora, vamos fazer uma dispersĂ£o com os dados brutos de consumo e temperatura externa da cidade de Campina Grande para tentar identificar essa correlaĂ§Ă£o.
## # A tibble: 1 Ă— 1
## corr_pearson
## <dbl>
## 1 0.708
Neste primeiro grĂ¡fico de dispersĂ£o, obtivemos um resultado diferente do que esperĂ¡vamos. Uma dispersĂ£o um pouco maior do que imaginamos, com coeficiente de correlaĂ§Ă£o de aproximadamente 0.64, que indica que existe uma correlaĂ§Ă£o, mas moderada. PorĂ©m, muitos dados estĂ£o concentrados em regiões especĂficas (que pode significar um problema na obtenĂ§Ă£o dos dados). Alguns pontos que indicam consumo zero podem ser de dados do mĂªs de julho, que apresentou dispersões maiores que o restante dos meses. Para tentar identificar esses casos suspeitos, vamos fazer uma dispersĂ£o de meses separadamente:
Podemos observar que, em julho, temos um coeficiente de 0.38 aproximadamente, o que tambĂ©m indica uma correlaĂ§Ă£o desprezĂvel nesse mĂªs, possivelmente causada pela grande variaĂ§Ă£o observada nas anĂ¡lises anteriores. PorĂ©m, nos meses seguintes em que as variações nĂ£o sĂ£o tĂ£o grandes, o coeficiente de Pearson Ă© de 0.8, 0.78, 0.78, 0.7 e 0.73 respectivamente, que indicam uma correlaĂ§Ă£o forte.
Para entender como a variaĂ§Ă£o da temperatura interna da sala influencia no consumo, vamos realizar uma dispersĂ£o dos dados de consumo e de temperatura interna tambĂ©m, na tentativa de encontrar alguma correlaĂ§Ă£o entre esses dois fatores.
Importante: para essa anĂ¡lise, vamos utilizar os dados de temperatura interna obtidos em dezembro, pois sĂ£o os mais atualizados.
## # A tibble: 1 Ă— 1
## corr_pearson
## <dbl>
## 1 0.0275
A partir da anĂ¡lise do grĂ¡fico e do coeficiente de Pearson aproximadamente igual a 0.03, pode-se dizer que existe uma correlaĂ§Ă£o desprezĂvel entre os dois fatores, ou seja, nĂ£o hĂ¡ indĂcios de que o aumento da temperatura interna da sala diminui o consumo. PorĂ©m, tambĂ©m estĂ£o contabilizados os dados com grande variaĂ§Ă£o do mĂªs de julho, entĂ£o vamos agrupar por meses novamente.
Ao analisar o grĂ¡fico do mĂªs de julho, em que Ă© sabido que houve maior variaĂ§Ă£o de consumo, podemos identificar que o coeficiente de Pearson Ă© de aproximadamente -0.5, o que indica uma correlaĂ§Ă£o negativa de moderada para fraca. PorĂ©m, de agosto a dezembro, meses em que nĂ£o hĂ¡ muita variaĂ§Ă£o do consumo e a temperatura se mantĂ©m mais constante, a correlaĂ§Ă£o Ă© desprezĂvel, com valores de coeficiente respectivamente -0.01, 0.06, -0.02, -0.18 e -0.02.
Por fim, vamos analisar a dispersĂ£o da temperatura da sala do LATEC com a temperatura externa, para identificar algum tipo de correlaĂ§Ă£o entre ambas as temperaturas.
## # A tibble: 1 Ă— 1
## corr_pearson
## <dbl>
## 1 0.167
Portanto, a partir do grĂ¡fico de dispersĂ£o podemos ver que existe uma correlaĂ§Ă£o desprezĂvel entre a temperatura interna da sala e a temperatura externa, jĂ¡ que a interna estĂ¡ sendo mantida o tempo inteiro dentro de um padrĂ£o pelo refrigerador de ar. O coeficiente de Pearson tem valor de aproximadamente 0.17.
## # A tibble: 1 Ă— 1
## corr_pearson
## <dbl>
## 1 0.899